基于四相位控制的交叉口交通冲突检测方法研究.docxVIP

基于四相位控制的交叉口交通冲突检测方法研究 1 城市交叉口交通冲突检测算法的研究 近年来，我国长距离道路交通事故发生率较高，尤其是城市交通部分。车辆在交叉口行驶相对自由，不受方向限制，因此在交叉口发生冲突，导致交通事件。在交叉口交通事件处理中，救护车和巡逻队占地面积很大，因此很难识别交叉口交通事件。现在，国外的研究机构正在开展交叉口碰撞试验的模拟实验，采用挖掘和其他技术，找到适合不同交叉口的交通流模型，比较交叉口的交通流，预测交通事件的发生。cuchie等人使用交通规则的结论来反映单通道的简单交通状况。违反交通规则的结论。为了反映单通道的简单交通状况，jigetal.能够跟踪交通图像中的车辆，并获得更精确的交通检测信息。o研讨会和交通条件。目前，我国对交叉口交通的评价主要集中在交通基础设施的设计和对检测线圈的直接利用上，或使用高速道路的交通流模型进行预测。在目前城市交叉口交通事件相对较少的基础上，本文研究并提出了一套适合我国城市交叉口交通冲突检测的算法。 2 相对运动分析 图1为淮安市淮海南路与解放路交叉口的整个平面图, 该交叉口为四相位控制的交叉口.根据车辆运行与相位配时, 总结在四相位控制的交叉口具有冲突的两辆车的相对运动情况分析, 如图2所示.图2 (a) 表示南北或东西方向直行的车辆;图2 (b) 表示南北或东西方向左转的车辆;图2 (c) 表示两相邻方向一方直行车辆与另一方右转车辆行驶冲突情况;图2 (d) 表示南北或东西方向一方的左转车辆与另一方的右转车辆行驶情况.冲突示意图如图3所示. 3 资源提取 3.1 运动矢量特征 本文提出的交通冲突检测算法适用于各种几何形状的交叉口, 不用考虑摄像头的安装角度, 文中以四相位控制的交叉口为例.在研究中, 车辆的运行方式是多样的, 在视频每一帧图像里, 冲突有可能随时随地发生.因此, 随着交叉口几何依赖性增加, HMM冲突检测所需的训练数据也将增加.为了避免这种情况的发生, 该算法尽量不使用图像强度自身特征, 因为图像强度依赖于车辆的颜色, 而所处理的图像是灰度图像.算法先对车辆运动矢量的特征进行提取, 具体过程如图4和图5所示. (1) 估计两辆车之间的运动矢量差, 即车辆1的运动矢量减去车辆2的运动矢量. (2) 旋转两车的运动矢量到不同的位置, 使运动矢量差沿图4中虚线指针逆时针旋转到实线指针位置, 矢量差到矢量形成圆弧分布在以地理坐标为划分界限的四个区之间. (3) 运动矢量差除以两车之间的距离表示两车相距的远近程度, 最短距离通过测量两车距离最近的块所得, 因为离得最近的块更容易发生冲突, 如图4中3个不同半径大小的圆弧代表两车的远近程度. 所以图2中所示的两车相对冲突点, 车辆之间的位置及运动矢量关系很重要.称具有冲突的车辆之间的位置叫“相对位置”.图2 (a) 中车辆1和车辆2之间的相对运动矢量和图2 (b) 中是一样的, 但是发生冲突的情况是不一样的.图2 (c) 和图2 (d) 中虽然都具有右转的运动矢量, 但是发生冲突情况也是不一样的.假设车辆2位于车辆1的后面, 则车辆2相对车辆1的位置为“60”, 如果车辆2位于车辆1的左边, 则车辆2相对车辆1的位置为“40”, 依此类推相对位置如图5所示. 3.2 相对运动矢量的观察顺序和相对位置的观察顺序 尽管运动矢量基本一致, 但冲突点会因为相对位置的不同而不同.因此, 为了区分图2中四种冲突情况, 有必要考虑来自相对运动矢量和相对位置的特征.然后结合来自相对运动矢量的观察序号和来自相对位置的观察序号, 作为总的观察序号.这里来自相对运动矢量的观察序号是从1到12, 小于20, 如图4所示.总的观察序号是运动矢量的观察序号结合相对位置的观察序号, 并且为20的倍数.因此每一个总的观察序号都代表独一无二的位置. 4 基于隐马尔基夫模型的交叉口交通冲突识别 4.1 隐马尔可夫模型 对于一个随机事件, 有一个观察值序列:Y=Y1, Y2, …, YT, 该事件隐含着一个状态序列:X=X1, X2, …, XT, 如图6所示.一个隐马尔可夫模型 (HMM) 是由一个五元组描述的:λ= (X, Y, A, B, π) . 4.2 hmm模型事件转移 根据图6所示的HMM的理论图, 城市交叉口的观察序列的识别可以用HMM来描述.模型中存在有限个隐藏状态, 这些状态代表抽象数量 (如直行、左转和右转等4个方向的交通运行的组合) 与之相对应的具有相似性的观察值的分布概率.本文采用简单的从左至右的HMM模型进行事件检测, 其转移过程如图7所示. T=图像序列的长度; A={aij}, aij=P (Xt=Sj|Xt-1=Si) :状态转移概率矩阵; B={bik}, bik=P (Yt=Oi|Xt=Si) :观察值概率分布矩